论文部分内容阅读
图像配准是图像分析和理解的关键环节,是将不同时间、不同的传感器（成像设备）和（或）不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅（或多幅）图像进行匹配、叠加的处理过程。对于合成孔径雷达（SyntheticAperture Radar，SAR）具有全天候、全天时的特点，SAR图像解释的研究在国民经济和国防的诸多领域都具有非常重要的意义。因此，世界各国都高度重视SAR图像处理技术的研究，在SAR传感器和SAR图像的分析和解译方面投入大量的人力和财力。由于SAR图像的特性，致使斑点噪声的存在，严重影响了图像中对目标的信息提取能力。为了减少斑点噪声的影响，本文通过基于图的分割方法来分割SAR图像，在分割结果的基础上进行图像配准技术的研究，主要内容有：(1)针对SAR图像的成像机理，图像中含有斑点噪声问题。首先以谱图理论为工具对谱聚类（Spectral Clustering）的某些内在特征进行了分析研究，然后通过图的相似矩阵的特征值和特征向量，分析了特征向量选择的必要性，最后给出一种基于遗传算法（Genetic Algorithm，简记为GA）的谱聚类方法，该方法能在相似矩阵的特征向量空间中选择出含有分类信息量大的特征向量，且通过实验验证了其有效性，能得到较精确SAR图像分割结果。(2)针对SAR图像配准的特征提取和匹配问题。用基于图分割结果提取的轮廓特征对SAR图像进行配准。首先，在图像分割结果的基础上,利用边缘提取算子（如Canny算子、LOG算子）提取出轮廓特征，作为图像配准的特征，其次，选取匹配度较高的匹配对作为控制点，然后，对提取的闭合轮廓进行粗匹配，求取初始的配准参数，再用开轮廓对参数进行精配准，并去除错误匹配。最后，通过实验对该方法及配准结果进行分析与评价。